<\/p>\n
Una tabella di frequenza<\/strong> \u00e8 una tabella che visualizza le frequenze di diverse categorie. Questo tipo di tabella \u00e8 particolarmente utile per comprendere la distribuzione dei valori in un set di dati.<\/span><\/p>\n Questo tutorial spiega come creare tabelle di frequenza in Python.<\/span><\/p>\n Per trovare le frequenze dei singoli valori in una serie di panda, puoi utilizzare la funzione value_counts()<\/strong> :<\/span><\/p>\n Puoi aggiungere l’argomento sort=False<\/strong> se non vuoi che i valori dei dati vengano ordinati per frequenza:<\/span><\/p>\n Il modo di interpretare il risultato \u00e8 il seguente:<\/span><\/p>\n E cos\u00ec via.<\/span><\/p>\n Per trovare le frequenze di un DataFrame panda \u00e8 possibile utilizzare la funzione crosstab<\/strong> ()<\/strong> , che utilizza la seguente sintassi:<\/span><\/p>\n tabella incrociata (indici, colonne)<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n Ad esempio, supponiamo di avere un DataFrame contenente informazioni su voto, et\u00e0 e sesso di 10 studenti diversi in una classe. Ecco come trovare la frequenza di ogni voto in lettera:<\/span><\/p>\n Il modo di interpretarlo \u00e8:<\/span><\/p>\n Possiamo usare una sintassi simile per trovare i conteggi di frequenza per altre colonne. Ad esempio, ecco come trovare la frequenza in base all’et\u00e0:<\/span><\/p>\n Il modo di interpretarlo \u00e8:<\/span><\/p>\n Puoi anche visualizzare facilmente le frequenze come proporzioni del set di dati dividendo per la somma:<\/span><\/p>\n Il modo di interpretarlo \u00e8:<\/span><\/p>\n \u00c8 inoltre possibile creare una tabella di frequenza bidirezionale per visualizzare le frequenze di due diverse variabili nel set di dati. Ad esempio, ecco come creare una tabella di frequenza bidirezionale per le variabili Et\u00e0 e Grado:<\/span><\/p>\n Il modo di interpretarlo \u00e8:<\/span><\/p>\n Tabella delle frequenze unidirezionali per una serie<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#defineSeries<\/span>\ndata = pd.Series([1, 1, 1, 2, 3, 3, 3, 3, 4, 4, 5])\n\n#find frequencies of each value\n<\/span>data.value_counts()\n\n3 4\n1 3\n4 2\n5 1\n2 1\n<\/strong><\/pre>\n data.value_counts(sort= False<\/span> )\n\n1 3\n2 1\n3 4\n4 2\n5 1<\/strong><\/pre>\n\n
Tabella delle frequenze unidirezionali per un<\/strong><\/span> DataFrame<\/strong><\/span><\/h3>\n
\n
#create data<\/span>\ndf = pd.DataFrame({'Grade': ['A','A','A','B','B', 'B', 'B', 'C', 'D', 'D '],\n 'Age': [18, 18, 18, 19, 19, 20, 18, 18, 19, 19],\n 'Gender': ['M','M', 'F', 'F', 'F', 'M', 'M', 'F', 'M', 'F']})\n\n#view data<\/span>\ndf\n\n\tGrade Age Gender\n0 to 18 m\n1 to 18 m\n2 A 18 F\n3 B 19 F\n4 B 19 F\n5 B 20 M\n6 B 18 M\n7 C 18 F\n8 D 19 M\n9 D 19 F \t \n\n#find frequency of each letter grade\n<\/span>pd.crosstab(index=df[' Grade<\/span> '], columns=' count<\/span> ')\n\ncol_0 count\nGrade\t\nAt 3\nB4\nC 1\nD 2<\/strong><\/pre>\n\n
pd.crosstab(index=df[' Age<\/span> '], columns=' count<\/span> ') \n\ncol_0 count\nAge\t\n18 5\n19 4\n20 1\n<\/strong><\/pre>\n\n
#define crosstab<\/span>\ntab = pd.crosstab(index=df['Age'], columns='count')\n\n#find proportions<\/span> \ntab\/tab.sum()\n\ncol_0 count\nAge\t\n18 0.5\n19 0.4\n20 0.1\n<\/strong><\/pre>\n\n
Tabelle di frequenza bidirezionali per un DataFrame<\/strong><\/span><\/h3>\n
pd.crosstab(index=df[' Age<\/span> '], columns=df[' Grade<\/span> '])\n\n\nGrade A B C D\nAge\t\t\t\t\n18 3 1 1 0\n19 0 2 0 2\n20 0 1 0 0\n<\/strong><\/pre>\n